近年来，模型风险管理的理念在中国银行界持续普及，银保监会等监管部门对模型风险管理的要求也越来越明确。2020年银保监会发布《商业银行互联网贷款管理暂行办法》，从多方位对模型风险管理提出了明确的监管要求。
《办法》的出台也侧面反应出了模型风险——这一独特风险的破坏力和严重性。
历史上摩根大通曾经因为没有严格按照流程对某模型进行验证，就有条件通过了该模型，最终造成了集团史上最大规模的65亿美元的亏损。
更有甚者，很多经济学家在事后分析认为，美国次贷危机的爆发与金融模型的不当使用也有着一定程度的关系。
模型风险同样也是悬在中国金融机构头上的一把利剑。
金融数字化转型的加速为模型广泛应用提供了肥沃的土壤，可以看到合规模型、业务决策模型、营销模型、投资管理模型等种类繁多的模型不断涌现。
那么模型风险从何而来，又有哪些外在表征呢？
比较典型的有模型性能随着时间推移和外部环境的变化产生下降，或者由于样本偏差的问题，导致训练的模型越来越偏离实际情况。此外，模型本身和金融业务的复杂性以及对模型的不当使用将会导致模型局限性被放大，从而产生风险。
模型风险的种类和成因十分复杂，其危险程度也大小不一。当前，一般大型银行内部有多达几百个模型在运行，如果没有一套可信和有效的工具来实现对模型的开发、测试、验证、部署和监控进行管理是一件不可想象的事。
模型管理平台的概念因此应运而生，也正是在这样的背景下百融云创面向银行、消费金融公司、汽车金融和信托等领域，通过本地化部署的方式围绕模型全生命周期打造了一个数字化的平台，以此来对模型进行高效管理，提高模型的开发效率，实现对潜在模型风险的控制和缓释。
百融云创模型管理平台的“1347”
百融云创模型管理平台具有“1347”特征，一是指一个平台、智管全行；三是指模型管理、模型监控和模型训练三大功能模块；四是指“风控一体化、管理一体化、流程一体化、监控一体化”四位一体的管理理念；七是指围绕模型生命周期从申请、开发、评估、上线、监控、优化到退出的七个阶段。
其中模型管理、模型监控和模型训练三大功能模块是模型管理平台的核心。
模型管理：当前，模型被金融机构视为重要的资产，百融云创模型管理平台通过统一的管理平台来实现对模型资产的集中管理，并打造了模型资产大盘，通过各维度信息的图形化展示，清晰呈现模型资产的全貌。
值得一提的是，在全生命周期内模型的操作留痕、审批流程、组织机构和数据权限在平台上都是灵活可配的，这为金融机构的模型使用者提供足够的弹性空间，满足各种场景需求。
模型训练：平台采用了百融云创自研的ORCA算法框架（ORCA已经成功申请了多项自主专利），支持向导式建模。为机器学习创造了从信息处理、模型训练到快速部署的有利环境。
模型监控：平台能够实现经典模型风险指标的监控与预警，例如模型通过率、PSI、CSI、K-S、GINI、AUC，支持多维度指标加工与分析，灵活按需进行预警规则与通知渠道配置，多层级接口设计等满足不同客户的实际业务需求。
在三大功能的作用下，百融云创模型管理平台能实现单一模型的全生命周期管理以及全行级的模型规模化管理协同进行。
从单一模型管理的视角来看，百融云创模型管理平台能够用于模型的高效审批、持续开发、持续测试和实时监控。在开发之前，平台能够精准定义模型，并提供科学高效的自定义审批流程，验证模型的开发条件。进入开发阶段，平台能创造一个良好的开发环境，有效进行信息处理、模型训练、模型测试和模型验证。来到模型上线阶段，平台能够提供实时监控系统，来排查运行中的故障和风险。同时，百融云创模型管理平台运用了微服务架构、流程引擎两项关键技术，支持按模块独立部署、运行、维护，满足服务的动态按需扩容。
从全行模型生态的视角来看，模型管理平台充分展现了“治众如治寡”的理念。大型银行行内模型数量之多、形态之复杂，管理起来不亚于管理千军万马，模型管理平台能够使得对模型的管理工作井然有序，让所有的管理流程都有矩可循、让所有监测出的风险都有据可依，摆脱盲目和被动的局面。
对于决策层，模型管理平台为其了解全行模型运行、模型资产、模型效果及风险情况提供了一个全局的视野，更好地辅助其科学决策；
对于模型开发部门，模型管理平台能够协助其统一建模标准，提高开发和团队协作效率，降低成本的同时更好地控制开发风险；
对于模型使用部门，模型管理平台能够协助其对模型全生命周期进行规范高效的管理，使得技术与业务更好地融合，去共同赋能场景。
开创模型监控新模式
模型管理是一个庞大的命题，对于金融机构来说，实现对模型风险的有效监控则是模型管理这个庞大命题中最切中核心的。银保监会近三年来陆续发布《商业银行互联网贷款管理暂行办法》、《关于进一步规范商业银行互联网贷款业务的通知》和《关于银行业保险业数字化转型的指导意见》，无一不是把模型风险的问题放置到很高的位置上。
数字化的风险不是直观可见的，一些重大风险可能潜伏在模型一些隐秘的角落之内，如果能够对模型进行科学的监控，一些风险就会被及时发现，危险也就能随之缓释和解除。
为此，百融云创模型管理平台在模型监控方面做出了很多探索，围绕有效性、准确性和稳定性三个维度进行完美布控。
群体和特征稳定性监控：稳定压倒一切，是模型发挥作用的定海神针。模型管理平台能够实现对群体稳定性（PSI）的监控，在模型上线部署后，平台会通过PSI曲线来观察模型的稳定性。比如在信贷场景中观察到模型的排序能力降低，模型的区分度发生了下降。平台就会及时发出警示，金融机构可以以此去分析背后的原因，是否是因为宏观经济恶化导致客户整体的还款能力下降，或者目标客群发生了变化等等，进而剔除不稳定的变量。
除了PSI监控外，模型管理平台同时还支持细粒度观测特征稳定性（CSI），比如在评分卡中，一个整体评分分布稳定的模型，如果以更细颗粒度来观察，可能会发现模型中的一个特征变量悄然发生了偏移，比如由于经济的周期波动，职业这一变量发生了改变，导致客群收入发生了变化，但与此同时另外一些指标上升了，导致整体的评分分布是稳定的。模型管理平台支持对每个特征变量计算CSI，可以分析出到底是哪些特征分布发生变化导致评分卡主模型分数偏移、哪个特征对模型得分变化的影响最大等结果。
多维指标加工与分析：模型一旦上线，模型运行时的数据也就随之确定。平台基于这些运行时数据可以进行多维度的监控指标加工与分析。例如，按不同的基准值进行PSI指标监控，观察建模结果的基准值或者模型运行一段时间后的基准值与实际投产后的运行情况的偏差。假如监控到模型中某一区间的评分分布跟监控时所设置的基准值产生偏差大于预警阈值，平台就会马上发出预警信息给到预设的接收者，尤其分析到底是配置有误、性能下降还是假设不准确，以此来追根溯源。
多层接口设计，灵活可配好坏客户定义：好坏客户并没有一个恒定的标准，对于银行来说，不同的金融产品，对于“坏”的定义是不一样的。百融云创模型管理平台支持好坏客户定义的灵活配置，同时提供基于Y 标签、逾期信息、还款计划等多层接口，能够与各类金融机构进行快速对接，从而实现对模型区分能力的精准监控。
灵活按需进行预警规则与通知渠道配置：每次模型的监控任务跑完批量之后，平台都会自动生成相关监控报表，并且平台一旦监测到监控指标异常，就会通过邮件或者企微等多种渠道触达业务人员。业务人员也可以根据业务情况灵活配置预警周期，平台支持准实时、日报或周报乃至更多种方式的预警周期。
打造模型全生命周期管理闭环
模型管理平台对百融云创的产品家族来说，其意义不只是又多了一个新的成员。更重要的是，由于模型管理平台的出现，百融云创成功构建了一个由决策引擎+工作流引擎+调度监控引擎+模型经典指标库+特征衍生引擎+模型训练引擎的产品闭环，综合百融云创在业内丰富的产业实践，能够给金融机构提供决策系统及监控优化系统的一站式解决方案。
目前，国内领先的商业银行已全面进入数字化转型新阶段，既要充分发挥人工智能、云计算等技术优势，又要满足监管对于安全合规发展的指引，是身处数字化浪潮中的银行所必须要完成的命题。
百融云创模型管理平台就是回应这一命题的重要工具，目前百融云创已与中国银行就模型管理平台达成合作。
值得一提的是，百融云创模型管理平台可与公司各类数智化产品进行积木式拼装，能有效支持金融机构敏捷创新和迭代升级，实现智能分析能力的沉淀和复用，并促进业务、技术和信息之间深度融合。这对于银行打造数字化新型基础设施，激活数字化内生动能将起到积极作用。
